标签
SFT
Mar 30, 2026
大模型工程
46 分钟大模型工程（四）：SFT、DPO 与 RLHF
SFT、DPO、RLHF、RLAIF 各自具体在优化什么，奖励模型在哪里失败，KL 约束的作用，LoRA vs 全量微调那场争论，以及 2026 年生产里实际跑的 post-training 配方。
Mar 7, 2026
阿里云 PAI
22 分钟阿里云 PAI（三）：DLC 分布式训练
在 PAI-DLC 上提交真实多卡训练任务、看懂三种资源池（灵骏、通用、抢占）、用好 AIMaster + EasyCKPT，让一台抽风节点不会让你白干一天。